评估大脑MRI发电机的质量

科学领域:

• 神经成像是一种神经成像.
• 人工智能的人工智能
• 医学图像分析 医学图像分析

背景情况:

• 深度学习模型可以生成结构性大脑MRI,从而有可能加速神经科学研究.
• 目前用于生成模型的质量评估指标,通常是从自然图像处理中调整出来的,不足以评估大脑MRI解剖学可信性.
• 这种不足导致关于生成的大脑MRI质量的不确定的发现.

研究的目的:

• 提出和验证一个新的框架来评估产生结构性脑部MRI的生成模型的质量.
• 解决评估解剖学可信性和可靠性的现有指标的局限性.
• 提供一种标准化和严格的方法,用于比较脑MRI合成的不同生成模型.

主要方法:

• 开发了一个框架,包括对真实MRI的统一处理,标准化的模型实现和生成的MRI的自动细分.
• 该框架通过分析细分的大脑结构来量化解剖学可信性.
• 严格执行对细分精度的可靠性检查,这是一个经常被忽视的关键步骤.
• 六个最先进的生成模型在3000多个MRI上接受了培训和测试.

主要成果:

• 现有的指标 (例如,SSIM,FID) 已被证明对实验设置和解剖学可信度的差指标敏感.
• 在6个生成模型中,只有3个产生了符合框架高质量输出标准的MRI.
• 从这3种模型中生成的MRI中,至少95%具有高度可靠的细分.
• 该框架的评估与定性评估一致,证实了其有效性.

结论:

• 标准图像指标对于评估大脑MRI的生成模型是不够的.
• 拟议的框架提供了一种可靠和有效的方法来评估合成大脑MRI的解剖学可信性和质量.
• 这种方法对于推进在神经科学发现中使用生成模型至关重要.
• 该框架的代码是公开可用的,以便更广泛地采用和研究.